Как проверять типы данных в Python?

Python — язык с динамической типизацией, но это не означает, что типы данных не важны. Проверка типов помогает избежать ошибок во время выполнения, делает код более понятным и поддерживаемым. Существует несколько подходов, от простой проверки во время выполнения до сложной статической типизации.

Проверка типов во время выполнения (Runtime)

Самые простые и часто используемые методы работают прямо при выполнении программы.

• Функция type(): Возвращает точный класс объекта. Полезна, когда нужно проверить, что объект является экземпляром конкретного класса, а не его подкласса.
• Функция isinstance(): Более гибкий вариант. Проверяет, является ли объект экземпляром указанного класса или любого класса из кортежа. Также корректно работает с наследованием.
• Утиная типизация (Duck Typing): Вместо проверки типа объекта проверяется наличие у него нужных методов или атрибутов (например, с помощью функций hasattr() или getattr()). Это соответствует философии Python 'лучше просить прощения, чем разрешения' (EAFP).

# Примеры проверки типов во время выполнения
def process_data(data):
    # Проверка точного типа (редко рекомендуется)
    if type(data) == str:
        print("Это строка")
    
    # Проверка с помощью isinstance (лучшая практика)
    if isinstance(data, (int, float)):
        print(f"Число: {data * 2}")
    
    # Утиная типизация: проверяем наличие метода
    if hasattr(data, 'read'):
        content = data.read()
        print(f"Прочитано из файлоподобного объекта: {content[:10]}...")

Статическая проверка типов (Type Hints)

Начиная с Python 3.5, язык поддерживает аннотации типов (type hints). Они не влияют на выполнение кода, но позволяют таким инструментам, как mypy, Pylance или PyCharm, проводить статический анализ и находить потенциальные ошибки до запуска программы.

# Аннотации типов и статический анализ
def greet(name: str) -> str:
    """Функция ожидает строку и возвращает строку."""
    return f"Hello, {name}!"

# mypy обнаружит ошибку: аргумент 1 имеет несовместимый тип "int"
# result = greet(42)  # Ошибка типа (TypeError) при статическом анализе

# Использование typing модуля для сложных типов
from typing import List, Optional, Union

def process_items(items: List[Union[int, str]]) -> Optional[int]:
    if not items:
        return None
    # ... обработка ...
    return len(items)

Практическое применение

Выбор метода зависит от контекста:

• Внутри библиотек или API часто используют isinstance() для валидации входящих аргументов.
• В коде приложения предпочтительнее утиная типизация и обработка исключений (try/except), чтобы код был более гибким.
• Для больших проектов и командной разработки обязательны аннотации типов и статический анализатор (mypy). Это значительно снижает количество ошибок.

Вывод: Для написания надежного кода в Python используйте комбинацию подходов: аннотации типов для статической проверки и документации, isinstance() для критичных проверок во время выполнения и утиную типизацию для создания гибких, полиморфных интерфейсов.